라벨 전이를 통한 비모수적 장면 파싱

최근 객체 인식 및 이미지 이해에 대한 많은 연구가 있었으나, 초점은 이미지, 장면 및 객체를 위한 신뢰성 있는 수학적 모델을 수립하는 데 맞춰져 있었습니다. 본 논문에서는 우리가 라벨 전이라고 명명한 새로운 기술을 사용하여 객체 인식 및 장면 파싱을 위한 참신한 비모수적 접근 방식을 제안합니다. 입력 이미지에 대해, 우리 시스템은 먼저 완전 주석이 달린 이미지를 포함하는 대규모 데이터베이스에서 가장 가까운 이웃을 검색합니다. 그 다음, 시스템은 두 이미지를 지역 이미지 구조에 따라 정렬하는 밀집 SIFT 흐름 알고리즘 28을 사용하여 입력 이미지와 가까운 이웃 각각 간의 밀집 대응관계를 수립합니다. 마지막으로, SIFT 흐름을 통해 얻은 밀집 장면 대응관계를 기반으로, 우리 시스템은 기존 주석을 변형하고 마르코프 랜덤 필드 프레임워크에서 여러 단서를 통합하여 질의 이미지를 분할하고 인식합니다. 우리의 비모수적 장면 파싱 시스템은 도전적인 데이터베이스에서 유망한 실험 결과를 달성했습니다. 각 객체 범주마다 분류기나 외관 모델을 훈련해야 하는 기존 객체 인식 접근 방식과 비교할 때, 우리 시스템은 구현이 간단하고 매개변수가 적으며, 검색/정렬 절차에서 자연스럽게 맥락 정보를 포함합니다.